一种蛋白质语言模型驱动抗镰刀菌抗菌肽预测方法及系统

摘要: 本发明涉及生物信息学与生物序列分析,具体为一种蛋白质语言模型驱动抗镰刀菌抗菌肽预测方法及系统。背景技术:1、抗菌肽是一类由氨基酸序列组成并具有抑制或杀灭微生物活...
一种蛋白质语言模型驱动抗镰刀菌抗菌肽预测方法及系统

本发明涉及生物信息学与生物序列分析,具体为一种蛋白质语言模型驱动抗镰刀菌抗菌肽预测方法及系统。

背景技术:

1、抗菌肽是一类由氨基酸序列组成并具有抑制或杀灭微生物活性的功能性短肽,部分抗菌肽能够抑制镰刀菌等植物病原真菌。面对宏基因组、基因组、转录组或候选肽库形成的大规模序列空间,传统实验筛选存在验证量大、周期长的问题,因此通常利用计算方法进行候选序列预筛选。现有预测方法主要依赖人工理化特征、深度序列编码或蛋白质语言模型。人工特征和常规序列编码难以充分表征短肽中的局部残基模式及上下文联系,抗镰刀菌活性样本数量有限也容易影响模型对低相似度候选肽的判别稳定性。蛋白质语言模型虽然能够学习通用蛋白质序列表征,但通用蛋白质序列与短肽、抗菌肽之间存在序列分布差异,直接采用通用表征时容易产生领域偏差。

2、现有抗菌肽预测通常侧重判断候选序列是否具有一般抗菌属性,而一般抗菌属性不能直接表明候选序列具有抗镰刀菌活性。仅依据一般抗菌预测结果筛选候选肽,可能将缺乏抗镰刀菌活性的序列纳入高置信候选;仅依据有限抗镰刀菌样本进行目标功能判别,又容易受到小样本和远缘序列差异影响。同时,部分缺少可靠功能标签的短肽序列虽然不能直接作为监督样本,但仍包含与短肽领域相关的序列信息。

3、因此,现有抗菌肽预测方法在抗镰刀菌候选肽筛选中,主要存在蛋白质语言表征与目标肽序列分布不匹配、一般抗菌功能与抗镰刀菌目标功能缺少共同判别,以及单一功能高置信结果难以有效排除非目标候选的问题。

技术实现思路

1、鉴于上述存在的问题,提出了本发明。

2、因此,本发明解决的技术问题是:现有抗菌肽计算预测方法存在通用蛋白质语言表征与目标肽序列分布不匹配、抗镰刀菌候选肽识别准确性较低、一般抗菌功能与抗镰刀菌目标功能缺乏协同判别,以及如何在有限目标样本条件下实现对候选肽双层功能状态共同约束并形成可靠抗镰刀菌候选结果的问题。

3、为解决上述技术问题,本发明提供如下技术方案:一种蛋白质语言模型驱动抗镰刀菌抗菌肽预测方法,包括基于经肽序列领域适配的蛋白质语言表征关系,对待预测候选肽形成候选肽表征;基于所述候选肽表征在一般抗菌功能层级和抗镰刀菌目标功能层级上的共同满足关系,形成分层抗菌活性状态;依据所述分层抗菌活性状态中的低功能满足程度限定所述待预测候选肽的目标候选状态;依据所述目标候选状态形成抗镰刀菌抗菌肽预测结果。

4、作为本发明所述的蛋白质语言模型驱动抗镰刀菌抗菌肽预测方法的一种优选方案,其中:所述经肽序列领域适配的蛋白质语言表征关系由肽序列的功能证据状态限定,将具有确定功能证据的肽序列关联至一般抗菌功能或抗镰刀菌目标功能的监督判别关系;将功能证据不足以确定监督标签的抗菌肽相关序列、潜在抗菌肽序列及非抗菌肽短序列解除标签约束后形成无标签肽序列语料,并由所述无标签肽序列语料限定与短肽、抗菌肽及候选肽序列分布相适配的领域特征空间;待预测候选肽在所述领域特征空间中的残基局部模式、氨基酸组合关系及序列上下文关系共同限定候选肽表征,并由具有确定功能证据的监督判别关系对所述候选肽表征的功能指向进行约束,以形成对应的分层抗菌活性状态并确定抗镰刀菌抗菌肽预测结果。

5、作为本发明所述的蛋白质语言模型驱动抗镰刀菌抗菌肽预测方法的一种优选方案,其中:所述蛋白质语言表征关系包括,保持原有蛋白质序列表征能力的主体表征参数以及承载肽序列领域或目标功能适配增量的适配参数;所述适配参数以低秩参数增量叠加于对应的主体表征参数,或由与残基级特征关联的序列适配关系提供;经所述适配参数限定的候选肽表征分别与一般抗菌功能和抗镰刀菌目标功能的判别关系对应,使同一待预测候选肽在保留肽序列领域表征的状态下获得两个功能层级的判别特征,并由两个功能层级的满足状态共同限定目标候选状态。

6、作为本发明所述的蛋白质语言模型驱动抗镰刀菌抗菌肽预测方法的一种优选方案,其中:所述候选肽表征由至少两个蛋白质语言表征分支共同提供,每一蛋白质语言表征分支输出的残基级特征被映射至相同维度的共享特征空间,并按照同一氨基酸残基位置建立不同分支特征之间的对应关系;对于第个氨基酸残基位置,每一蛋白质语言表征分支的残基级特征按照下式形成融合残基特征:

7、,

8、其中,表示第个氨基酸残基位置经过门控融合后得到的残基级特征,表示参与特征融合的蛋白质语言模型分支总数,表示蛋白质语言模型分支的编号,表示第个蛋白质语言模型分支在第个氨基酸残基位置对应的融合权重,表示第个蛋白质语言模型分支在第个氨基酸残基位置输出的残基级特征。

9、作为本发明所述的蛋白质语言模型驱动抗镰刀菌抗菌肽预测方法的一种优选方案,其中:对所述候选肽表征中的融合残基特征按照氨基酸残基之间的序列上下文关系进行编码,并以有效残基掩码区分真实氨基酸残基位置和序列补齐位置,使序列补齐位置不参与序列级特征表征;针对有效氨基酸残基分别取得反映整体残基分布的平均响应特征、反映显著残基响应的极值响应特征以及反映不同残基对功能判别贡献的注意力响应特征,将上述三类响应特征组合为候选肽的序列级功能表征,并分别对应一般抗菌功能和抗镰刀菌目标功能的分类关系,获得构成分层抗菌活性状态的两个功能层级判别结果。

10、作为本发明所述的蛋白质语言模型驱动抗镰刀菌抗菌肽预测方法的一种优选方案,其中:所述分层抗菌活性状态分别关联待预测候选肽的一般抗菌功能预测概率和抗镰刀菌目标功能预测概率;所述低功能满足程度对应的候选置信分数,表示为:

11、,

12、其中,表示候选肽序列的最终置信分数,表示候选肽序列属于通用抗菌肽的预测概率,表示候选肽序列具有抗镰刀菌活性的预测概率。

13、作为本发明所述的蛋白质语言模型驱动抗镰刀菌抗菌肽预测方法的一种优选方案,其中:将满足目标候选状态的候选肽按照序列一致性关系划分为多个候选序列簇,并在每一候选序列簇内按照候选置信分数确定候选肽的保留优先级;由不同候选序列簇中具有较高保留优先级的候选肽共同组成抗镰刀菌抗菌肽预测结果,使所述抗镰刀菌抗菌肽预测结果同时受到一般抗菌功能与抗镰刀菌目标功能的置信约束以及候选肽之间的序列冗余约束。

14、本发明的另外一个目的是提供一种蛋白质语言模型驱动抗镰刀菌抗菌肽预测系统,其能通过经肽序列领域适配的蛋白质语言表征关系对候选肽进行功能表征,并依据一般抗菌功能层级与抗镰刀菌目标功能层级的共同满足状态限定候选结果,解决了目前抗菌肽预测技术中通用蛋白质语言表征与目标肽序列分布不匹配、不同功能层级缺乏协同判别而导致非目标候选难以有效排除的问题。

15、作为本发明所述的蛋白质语言模型驱动抗镰刀菌抗菌肽预测系统的一种优选方案,其中:包括候选表征模块、活性判别模块、候选确定模块;所述候选表征模块用于依据肽序列的功能证据状态区分监督判别关系和无标签肽序列语料,并通过由无标签肽序列语料限定的领域特征空间以及对应的适配参数,对待预测候选肽的残基局部模式、氨基酸组合关系和序列上下文关系进行表征,在采用多个蛋白质语言表征分支时按照同一残基位置的融合权重形成融合残基特征,并结合有效残基对应的平均响应特征、极值响应特征和注意力响应特征,形成候选肽表征;所述活性判别模块用于将候选肽表征分别对应一般抗菌功能和抗镰刀菌目标功能的判别关系,获得两个功能层级的判别结果及对应预测概率,并依据两个功能层级的共同满足关系形成分层抗菌活性状态,以两个预测概率中的较低值作为低功能满足程度对应的候选置信分数;所述候选确定模块用于依据所述候选置信分数限定待预测候选肽的目标候选状态,并将满足目标候选状态的候选肽按照序列一致性划分为候选序列簇,在每一候选序列簇内依据候选置信分数确定候选肽的保留优先级,由每一候选序列簇中对应保留优先级的候选肽形成抗镰刀菌抗菌肽预测结果。

16、本发明的再一个目的是提供了一种蛋白质语言模型驱动抗镰刀菌抗菌肽预测设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序是实现蛋白质语言模型驱动抗镰刀菌抗菌肽预测方法的步骤。

17、本发明的还一个目的是提供了一种蛋白质语言模型驱动抗镰刀菌抗菌肽预测存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现蛋白质语言模型驱动抗镰刀菌抗菌肽预测方法的步骤。

18、本发明的有益效果:本发明提供的蛋白质语言模型驱动抗镰刀菌抗菌肽预测方法通过肽序列领域适配的蛋白质语言表征对候选肽进行功能表征,并以一般抗菌功能与抗镰刀菌目标功能的共同满足程度限定候选状态,使目标候选同时受到两类功能置信度约束,同时结合多蛋白质语言表征的残基级融合及候选序列冗余约束,提高了候选肽功能表征与目标功能判别的一致性,减少了一般抗菌属性较强但抗镰刀菌活性不足的非目标候选,并降低高相似候选的重复保留;本发明在短肽领域表征适配、抗镰刀菌目标候选识别以及高置信低冗余候选筛选方面取得更加良好的效果。